Noticias

Desde predecir el resultado de los casos legales en la Corte Suprema de Estados Unidos al mercadeo de precisión mediante el seguimiento de los hábitos de compra de consumidores, haciéndoles sugerencias de compra basadas en los patrones reconocidos de sus preferencias; desde la asignación de los recursos en seguridad a través de la capacidad de predecir dónde y cuándo es probable que se cometan crímenes, hasta calcular los prejuicios de los votantes para predecir el resultado de las elecciones (pregúntenle al equipo de campaña de Barack Obama¹) el 'big data' (grandes datos) ha sido y está siendo aplicado a una amplia gama de esfuerzos humanos.

Así que cuando los científicos del equipo big data del Centro Internacional de Agricultura Tropical (CIAT) decidieron recopilar años de datos de la producción de arroz (en combinación con datos climáticos y meteorológicos de esos años) bajo la lupa de los grandes datos, entendieron exactamente lo que tenían que hacer y lo que los resultados que querían conseguir.

Este trabajo, realizado en el marco del Convenio 'Clima y Sector Agropecuario Colombiano' y que es apoyado por el Programa de Investigación de CGIAR en Cambio Climático, Agricultura y Seguridad Alimentaria (CCAFS), partió de la base que las estadísticas de producción de arroz de los agricultores colombianos han estado con tendencia a la baja desde el año 2007 y desde el principio, el equipo reconoció que la identificación de patrones pasados por alto en los datos existentes podría ser la clave para resolver este acertijo.

El equipo también comprendió la magnitud de la tarea que se había puesto: Por un lado, la mayor parte de los datos necesarios para llevar a cabo su labor no fue fácil de conseguir, pues tendrían que recuperar los datos de varias agencias. Dado que el acceso abierto y el intercambio de datos todavía es limitado en algunas ocasiones, tomó tiempo realizar el proceso de construcción de confianza, junto con una buena dosis de paciencia para disipar los temores genuinos de los propietarios de los datos primarios y buscar su comprensión de lo que pretendía lograr el proyecto.

Después de muchos meses de duro trabajo y procesamiento de datos, su paciencia y tenacidad dieron sus frutos; los anhelados patrones, hasta ahora ocultos comenzaron a aparecer. Para la zona de cultivo de arroz El Espinal (Tolima), los resultados revelaron que la temperatura mínima promedio durante la etapa de maduración era el factor climático más importante en términos de rendimiento.

A partir de nuevas observaciones, el equipo se dio cuenta de que la variedad de arroz 'Cimarrón Barinas', sembrada principalmente en esta región es altamente sensible a la temperatura mínima a la etapa de maduración, y muestra una relación negativa con el aumento de temperatura mínima (en la etapa de maduración) que mostró un punto de ruptura interesante alrededor de los 22 ⁰C. Por lo tanto, no es adecuado para las regiones calientes.

En la región de Saldaña, se encontró que el nivel de la energía solar acumulada en las plantas de arroz irrigado tenía una relación positiva (y a la vez era el impacto más importante) sobre el rendimiento. Aunque esta conexión era sido conocida por los científicos de arroz durante décadas, la novedad de los resultados del equipo en esta área, es el descubrimiento de la etapa específica en la que el impacto de la radiación solar es más importante; es decir, durante la etapa de maduración de las plantas de arroz.

Infografía sobre el proyecto 'Agricultura Específica por Sitio' (AEPS)

Explorando los datos existentes con análisis de big data, el equipo encontró muchos otros detalles interesantes; desde la agrupación de secuencias climáticas para revelar las variedades más adaptadas, hasta identificar la distribución de rendimiento de cada variedad en los diferentes grupos. El equipo también trabajó sobre esta base para predecir la probabilidad de eventos para el período de producción de junio a agosto de 2014 en la región de Villavicencio, y formular recomendaciones sobre las variedades mejor adaptadas.Indagando más a fondo

La utilidad de estos resultados es variada y profunda. Por un lado, ayudará a los agricultores a tomar decisiones que favorezcan su adaptación a la variabilidad del clima, por ejemplo en el ajuste de la fecha de siembra para que la etapa de maduración coincida con el momento de máxima acumulación de energía solar en Saldaña, o el ajuste de la fecha de siembra para evitar las altas temperaturas durante la maduración en El Espinal.

Además, acelerará la investigación agrícola, en términos de tiempo y dinero, proporcionando información valiosa para los mejoradores en el comportamiento real de los materiales en el campo. De igual manera, ayudará a identificar los mejores insumos para un programa de mejoramiento de nuevos cultivares. En general, se reduciría de forma significativa el número de años necesarios para obtener nuevas variedades mejoradas y facilitar una mejor adaptación al cambio climático de los arroceros colombianos.

De hecho, los agricultores colombianos están empezando a cosechar los beneficios de esta investigación. En unos cultivos de arroz de la Costa Norte (Región Caribe), alrededor de 170 agricultores que siembran entre ellos 1800 Ha. de arroz de riego lograron evitar pérdidas económicas gracias a que siguieron recomendaciones basadas en la predicción estacional, generados por los principios de análisis de big data. En comparación con sus pares que, o bien no tenían la información o siguieron con la manera convencional.

Por los efectos inmediatos del proyecto, sus muchas posibilidades de adaptación al cambio climático y el impacto en el rendimiento para los productores de arroz de Colombia, el proyecto ha ganado recientemente el Desafío Climático Big Data de UN Global Pulse. Después de una evaluación de un mes, la Comisión del Consejo y Asesoramiento Técnico de la competencia seleccionó el equipo del CIAT como uno de los dos ganadores resaltando la innovación única de este proyecto que "utiliza grandes volúmenes de datos para impulsar la acción climática en todo el mundo."

En el futuro, el equipo del CIAT tiene la intención de integrar las variables de manejo del suelo en su modelo con el fin de aumentar su explicación y capacidad de reconocimiento de patrones para extender su uso a los científicos y los agricultores de otros países. Actualmente, se está trabajando en la ampliación de la iniciativa, a partir de 2015, utilizando un enfoque similar con los productores de arroz en el Perú y Nicaragua a través de una asociación con el Fondo Latinoamericano para Arroz de Riego (FLAR).

Mientras tanto, ya que procesan y analizan 'montañas de datos' en un flujo de datos refrescante y cada vez más útil; sus resultados harán que agricultores colombianos estén más adaptados a la variabilidad climática y sean más competitivos de cara a la entrada de el país en acuerdos de libre comercio (con Estados Unidos y otros países) en un mundo progresivamente globalizado con sus mercados liberalizados.